Home

Row

Introdução

Os dados dessa painel de controle foram oriundos de pesquisas realizadas pelos alunos de Relações Públicas do período Matutino e Noturno e dos alunos de Geografia Matutino e Noturno. Ao todo, 185 pessoas foram entrevistas em relação à idade, sexo, nível de escolaridade, peso, altura, profissão e algumas outras variáveis, como renda fixa mensal e consumo de água.

Row

Contribuição

Contato

Prof. Msc. Gabriel Danilo Shimizu

e-mail:

Departamento de estatística, Centro de Ciências Exatas

Conjunto de dados

Conjunto de dados coletados pelos alunos de Geografia e Relações Públicas

Curso Idade Sexo Local de Nascimento Altura Peso Nível de Escolaridade Emprego Renda Consumo de agua
Geografia Matutino 17 Feminino Londrina 163 54.0 Ensino Superior Incompleto Estudante NA NA
Geografia Matutino 18 Masculino Londrina 180 75.0 Ensino Superior Incompleto Estudante 200.00 NA
Geografia Matutino 18 Masculino Francisco Beltrão 185 60.0 Ensino Superior Incompleto Estudante NA NA
Geografia Matutino 19 Masculino Londrina 165 90.0 Ensino Superior Incompleto Estudante 2000.00 NA
Geografia Matutino 19 Masculino Londrina 185 68.0 Ensino Superior Incompleto Coordenador de Departamento 2200.00 NA
Geografia Matutino 19 Feminino Hotaka 153 60.0 Ensino Superior Incompleto Estudante NA NA
Geografia Matutino 20 Feminino Apucarana 160 46.0 Ensino Fundamental Completo Estudante NA NA
Geografia Matutino 22 Feminino Curitiba 160 65.0 Ensino Fundamental Completo Estudante NA NA
Geografia Matutino 23 Feminino Rio Branco 161 50.0 Ensino Superior Incompleto Desempregado NA NA
Geografia Matutino 24 Feminino Vila Velha 155 55.0 Ensino Superior Completo Atendente 4000.00 NA
Geografia Matutino 25 Masculino Santa Rita de Caldas 169 84.0 Ensino Superior Incompleto Operador de sistema 700.00 NA
Geografia Matutino 25 Feminino Brasília 159 80.0 Ensino Superior Incompleto Desempregado NA NA
Geografia Matutino 29 Masculino Londrina 190 95.0 Ensino Superior Completo Marinheiro Mercante 15000.00 NA
Geografia Matutino 32 Masculino Londrina 178 90.0 Ensino Fundamental Completo Barbeiro 5000.00 NA
Geografia Matutino 32 Masculino Francisco Beltrão 178 75.0 Ensino Superior Incompleto Corretor imóveis 4500.00 NA
Geografia Matutino 33 Feminino Santa Rita de Caldas 168 74.0 Ensino Superior Incompleto Personal Trainer 1000.00 NA
Geografia Matutino 36 Feminino Londrina 173 65.0 Ensino Superior Completo Secretária 2500.00 NA
Geografia Matutino 37 Feminino Apucarana 160 68.0 Ensino Superior Completo Inspetora de qualidade 2500.00 NA
Geografia Matutino 38 Masculino Dourados 182 65.0 Ensino Fundamental Completo Desempregado 3000.00 NA
Geografia Matutino 38 Feminino Cianorte 154 55.0 Ensino Superior Incompleto Operador de Caixa 15000.00 NA
Geografia Matutino 38 Feminino Cianorte 155 56.0 Ensino Fundamental Completo Auxiliar Serviços Gerais 1600.00 NA
Geografia Matutino 39 Masculino Londrina 182 95.0 Ensino Fundamental Completo Barbeiro 10000.00 NA
Geografia Matutino 41 Feminino São Paulo 162 99.0 Ensino Superior Completo Empresário 3000.00 NA
Geografia Matutino 42 Masculino Londrina 184 89.0 Ensino Fundamental Completo Carpinteiro 12000.00 NA
Geografia Matutino 44 Feminino Londrina 160 67.0 Ensino Superior Completo Vendedor 2500.00 NA
Geografia Matutino 46 Feminino Londrina 164 67.0 Ensino Superior Completo Auxiliar administrativo 2100.00 NA
Geografia Matutino 47 Feminino Francisco Beltrão 172 78.0 Pós-Graduação Empresário 5700.00 NA
Geografia Matutino 48 Feminino Francisco Beltrão 155 70.0 Pós-Graduação Corretor imóveis 3700.00 NA
Geografia Matutino 50 Masculino Apucarana 160 61.0 Ensino Fundamental Completo Cabelereiro 8000.00 NA
Geografia Matutino 50 Feminino Apucarana 163 65.0 Ensino Superior Completo Professor 7000.00 NA
Geografia Matutino 50 Masculino Londrina 177 95.0 Ensino Superior Completo Representante Comercial 4000.00 NA
Geografia Matutino 50 Feminino Francisco Beltrão 170 70.0 Pós-Graduação Advogada 7000.00 NA
Geografia Matutino 53 Feminino Londrina 158 68.0 Pós-Graduação Professor 15000.00 NA
Geografia Matutino 53 Masculino Ortigueira 165 69.0 Ensino Fundamental Completo SOS 1500.00 NA
Geografia Matutino 53 Masculino Francisco Beltrão 184 98.0 Ensino Superior Completo Funcionário Público 7500.00 NA
Geografia Matutino 54 Feminino São Paulo 154 47.0 Ensino Superior Completo Massoterapêuta 4000.00 NA
Geografia Matutino 56 Feminino Londrina 165 68.0 Pós-Graduação Confeiteira 2500.00 NA
Geografia Matutino 60 Masculino Cambira 181 95.0 Pós-Graduação Empresário 20000.00 NA
Geografia Matutino 62 Feminino Londrina 160 60.0 Ensino Fundamental Completo Contadora 4000.00 NA
Geografia Matutino 62 Feminino Londrina 153 78.0 Ensino Superior Completo Autônoma 700.00 NA
Geografia Matutino 64 Feminino Londrina 160 70.0 Ensino Superior Completo Aposentado 25000.00 NA
Geografia Matutino 67 Masculino Santa Rita de Caldas 170 84.0 Ensino Fundamental Incompleto Padeiro 1700.00 NA
Geografia Matutino 74 Masculino Governador Valadares 170 64.0 Ensino Fundamental Completo Aposentado 6000.00 NA
Geografia Matutino 80 Masculino Sertanopolis 165 90.0 Ensino Fundamental Completo Aposentado 1200.00 NA
Geografia Matutino 83 Masculino Governador Valadares 162 67.0 Ensino Fundamental Completo Aposentado 7000.00 NA
Geografia Noturno 29 Masculino Santa Cecilia do Pavão 163 64.0 Ensino Superior Incompleto Supervisor carga e descarga 2200.00 NA
Geografia Noturno 37 Feminino Londrina 169 53.0 Ensino Superior Incompleto Assistente financeiro 1926.00 NA
Geografia Noturno 21 Masculino São Paulo 172 90.0 Ensino Superior Incompleto Estudante NA NA
Geografia Noturno 22 Feminino Londrina 177 84.0 Ensino Superior Incompleto Auxiliar de escritório 1436.25 NA
Geografia Noturno 22 Feminino Tupã 164 89.0 Ensino Superior Incompleto Auxiliar de escritório 1436.25 NA
Geografia Noturno 24 Masculino Cornélio Procópio 190 64.0 Ensino Médio Completo Auxiliar de almoxarifado 1424.00 NA
Geografia Noturno 35 Masculino Londrina 190 92.0 Pós-Graduação Funcionário Público 1964.00 NA
Geografia Noturno 24 Masculino Londrina 180 88.0 Pós-Graduação Assessor/Foto jornalista 4589.00 NA
Geografia Noturno 54 Feminino São Paulo 167 81.0 Pós-Graduação Vendedor 2278.00 NA
Geografia Noturno 19 Feminino Ibiporã 163 54.0 Ensino Superior Incompleto Estudante NA NA
Geografia Noturno 68 Masculino Guiricema 168 89.0 Ensino Fundamental Incompleto Aposentado 2500.00 NA
Geografia Noturno 27 Feminino Arapongas 170 69.0 Pós-Graduação Psicologa 2660.00 NA
Geografia Noturno 23 Masculino Cornélio Procópio 185 65.0 Ensino Médio Completo Gestor de estoque 1993.00 NA
Geografia Noturno 66 Feminino São Francisco do Gloria 156 71.0 Ensino Fundamental Incompleto Aposentado 1578.47 NA
Geografia Noturno 47 Masculino São Paulo 167 68.0 Ensino Superior Incompleto Mestre de obra 4548.00 NA
Geografia Noturno 18 Masculino Londrina 188 100.0 Ensino Superior Incompleto Estudante NA NA
Geografia Noturno 46 Feminino Apucarana 158 54.0 Ensino Médio Completo Auxiliar de escritório 1436.25 NA
Geografia Noturno 30 Masculino São José dos Campos 180 70.0 Ensino Médio Completo Encarregado de obras 2758.00 NA
Geografia Noturno 43 Feminino Londrina 162 65.0 Ensino Médio Completo Operador de caixa 1513.00 NA
Geografia Noturno 51 Feminino Ivaiporã 160 105.0 Ensino Médio Completo Diarista 1169.00 NA
Geografia Noturno 20 Masculino Ribeirão Preto 175 88.0 Ensino Superior Incompleto Estudante NA NA
Geografia Noturno 21 Masculino Jundiaí 170 63.0 Ensino Superior Incompleto Estudante NA NA
Geografia Noturno 20 Masculino Araraquara 176 85.0 Ensino Superior Incompleto Estudante NA NA
Geografia Noturno 29 Masculino Araraquara 170 89.0 Pós-Graduação Desenvolvedor de soluções p/ desenvolvimentos 5925.91 NA
Geografia Noturno 57 Feminino Ribeirão Preto 169 81.0 Pós-Graduação Psicologa 2660.00 NA
Geografia Noturno 51 Feminino Ibiporã 156 80.0 Pós-Graduação Professora 2500.00 NA
Geografia Noturno 28 Feminino Ribeirão Preto 169 64.0 Ensino Superior Completo Professora 2500.00 NA
Geografia Noturno 47 Masculino Arapongas 175 82.0 Ensino Médio Completo Barbeiro 1590.00 NA
Geografia Noturno 17 Masculino Londrina 174 84.0 Ensino Superior Incompleto Atendente 1492.00 NA
Geografia Noturno 25 Feminino Ibiporã 165 63.0 Pós-Graduação Pesquisador 3266.00 NA
Geografia Noturno 27 Masculino Arapongas 165 83.0 Ensino Superior Completo Coordenador de logística 4916.00 NA
Geografia Noturno 53 Feminino Sertanópolis 160 66.0 Ensino Fundamental Incompleto Artesã 1295.00 NA
Geografia Noturno 53 Masculino Ibiporã 165 78.0 Ensino Médio Completo Motorista 1865.00 NA
Geografia Noturno 32 Masculino Ibiporã 170 98.0 Ensino Superior Completo Analista de sistema 5116.00 NA
Geografia Noturno 38 Masculino Ibiporã 174 108.0 Ensino Médio Completo Agricultor 1561.00 NA
Geografia Noturno 45 Masculino Cambé 177 91.0 Ensino Superior Completo Coordenador de logística 4916.00 NA
Geografia Noturno 56 Feminino Sertanópolis 170 70.0 Ensino Fundamental Incompleto Diarista 1169.00 NA
Geografia Noturno 21 Feminino Sertanópolis 167 70.0 Ensino Médio Incompleto Desempregado NA NA
Geografia Noturno 19 Masculino Sertanópolis 175 75.0 Ensino Fundamental Incompleto Tratador de equinos 1405.40 NA
Geografia Noturno 26 Masculino Sertanópolis 172 80.0 Ensino Fundamental Incompleto Padeiro 1506.54 NA
Geografia Noturno 80 Masculino Pato de Minas 165 85.0 Ensino Fundamental Incompleto Agricultor 1561.00 NA
Geografia Noturno 76 Feminino Ibiporã 160 82.0 Ensino Fundamental Incompleto Aposentado 1578.47 NA
Geografia Noturno 57 Masculino Rolândia 179 92.5 Pós-Graduação Empresário 3418.00 NA
Geografia Noturno 26 Feminino Ibiporã 161 58.0 Pós-Graduação Bancária 3000.00 NA
Geografia Noturno 31 Feminino Ibiporã 160 61.0 Pós-Graduação Funcionário Público 1964.00 NA
Geografia Noturno 54 Feminino Ibiporã 160 95.0 Ensino Médio Completo Serviços gerais 1255.00 NA
Geografia Noturno 63 Masculino Sertanópolis 165 90.0 Ensino Fundamental Incompleto Agricultor 1561.00 NA
Geografia Noturno 62 Masculino Pitangueiras 175 80.0 Ensino Médio Incompleto Aposentado 1578.47 NA
Geografia Noturno 21 Masculino Ourizona 176 67.0 Ensino Superior Incompleto Auxiliar de escritório 1436.25 NA
Geografia Noturno 25 Feminino Londrina 169 58.0 Pós-Graduação Advogada 3539.00 NA
Geografia Noturno 31 Masculino Londrina 191 85.0 Pós-Graduação Professor 2500.00 NA
Geografia Noturno 54 Feminino Bela Vista do Paraíso 171 62.0 Ensino Superior Incompleto Vendedor 1550.00 NA
RP matutino 25 Feminino Ibiporã 155 77.0 Ensino Fundamental Completo Vendedor 1500.00 NA
RP matutino 55 Feminino Três Corações 162 65.0 Ensino Fundamental Completo Desempregado NA NA
RP matutino 51 Feminino Paraguaçu Paulista 160 82.0 Ensino Fundamental Completo Funcionário Público 1800.00 NA
RP matutino 6 Feminino Londrina 126 32.0 Ensino Fundamental Completo Estudante NA NA
RP matutino 22 Feminino Londrina 169 62.0 Ensino Superior Completo Estagiária 750.00 NA
RP matutino 55 Feminino Paranavaí 168 56.0 Ensino Superior Completo Enfermeira 2000.00 NA
RP matutino 22 Feminino Londrina 165 51.0 Ensino Superior Completo Desempregado 550.00 NA
RP matutino 19 Feminino Assis 166 69.5 Ensino Superior Completo Estagiária 1200.00 NA
RP matutino 20 Feminino Londrina 168 80.0 Ensino Superior Completo Estudante NA NA
RP matutino 54 Feminino Barracão 170 67.0 Ensino Superior Completo Motorista 2000.00 NA
RP matutino 26 Feminino Bauru 162 63.0 Ensino Superior Completo Jornalista 2000.00 NA
RP matutino 21 Feminino Botucatu 165 68.0 Ensino Superior Completo Social Media 1800.00 NA
RP matutino 20 Feminino Londrina 168 67.0 Ensino Superior Completo Estudante NA NA
RP matutino 21 Feminino São Paulo 162 55.0 Ensino Superior Completo Estagiária 1000.00 NA
RP matutino 61 Feminino Assaí 160 60.0 Ensino Superior Completo Do lar 600.00 NA
RP matutino 20 Feminino Londrina 162 50.0 Ensino Superior Completo Estudante NA NA
RP matutino 46 Feminino Santos 160 68.0 Ensino Superior Completo Analista de sistema 9000.00 NA
RP matutino 19 Feminino Londrina 174 66.7 Ensino Superior Completo Estudante NA NA
RP matutino 70 Feminino São João da Boa Vista 158 78.0 Ensino Superior Completo Aposentado 4200.00 NA
RP matutino 33 Feminino Cambé 177 80.0 Ensino Superior Completo Atendente 1500.00 NA
RP matutino 52 Feminino Arapongas 170 87.0 Ensino Superior Completo Autônoma 3000.00 NA
RP matutino 22 Feminino Londrina 173 67.0 Ensino Superior Completo Recrutadora 2000.00 NA
RP matutino 55 Masculino Astorga 170 82.0 Ensino Fundamental Completo Empresário 20000.00 NA
RP matutino 21 Masculino Londrina 174 72.0 Ensino Fundamental Completo Vendedor 2600.00 NA
RP matutino 20 Masculino Londrina 180 93.0 Ensino Superior Completo Estudante 400.00 NA
RP matutino 21 Masculino Paraguaçu Paulista 171 95.0 Ensino Superior Completo Estagiária 750.00 NA
RP matutino 68 Masculino Rancharia 166 67.0 Ensino Superior Completo Vendedor 12000.00 NA
RP matutino 50 Masculino São Paulo 175 80.0 Ensino Superior Completo Analista de Artes Gráficas 4000.00 NA
RP matutino 53 Masculino Assis 178 95.0 Ensino Superior Completo Aposentado 3000.00 NA
RP matutino 35 Masculino Londrina 192 89.0 Ensino Superior Completo Vendedor 2500.00 NA
RP matutino 22 Masculino Londrina 175 60.0 Ensino Superior Completo Fotografo 1800.00 NA
RP matutino 53 Masculino Londrina 182 90.0 Pós-Graduação Arquiteto 10000.00 NA
RP matutino 36 Masculino Assis 170 110.0 Pós-Graduação Funcionário Publico 8000.00 NA
RP matutino 36 Masculino Assis 170 106.0 Pós-Graduação Empresário 6500.00 NA
RP noturno 62 Feminino Marialva 160 72.0 Ensino Fundamental Completo NA NA 17.00
RP noturno 58 Masculino Assaí 170 70.0 Ensino Fundamental Incompleto NA NA 19.68
RP noturno 49 Feminino Assis 159 62.0 Ensino Fundamental Incompleto NA NA 16.00
RP noturno 55 Feminino Jataizinho 159 75.0 Ensino Fundamental Incompleto NA NA 19.68
RP noturno 52 Feminino Maringá 160 75.0 Ensino Fundamental Incompleto NA NA 19.30
RP noturno 58 Masculino Araçatuba 175 106.0 Ensino Médio Completo NA NA 13.30
RP noturno 21 Feminino Londrina 170 74.0 Ensino Médio Completo NA NA 16.00
RP noturno 25 Masculino Maringá 180 80.0 Ensino Médio Completo NA NA 19.30
RP noturno 22 Masculino Londrina 181 75.0 Ensino Médio Incompleto NA NA 16.00
RP noturno 42 Feminino Londrina 160 87.0 Ensino Médio Incompleto NA NA 18.00
RP noturno 17 Masculino Londrina 175 72.0 Ensino Médio Incompleto NA NA 10.00
RP noturno 54 Masculino Maringá 180 78.0 Ensino Médio Incompleto NA NA 19.30
RP noturno 82 Feminino São Jorge do Ivaí 159 74.0 Ensino Médio Incompleto NA NA 11.30
RP noturno 85 Masculino Sertaneja 175 81.0 Ensino Médio Incompleto NA NA 12.00
RP noturno 24 Feminino Araçatuba 162 73.0 Ensino Superior Completo NA NA 8.20
RP noturno 51 Feminino Assaí 168 67.0 Ensino Superior Completo NA NA 4.00
RP noturno 42 Feminino Londrina 163 79.0 Ensino Superior Completo NA NA 17.00
RP noturno 52 Feminino Londrina 167 68.0 Ensino Superior Completo NA NA 8.00
RP noturno 53 Masculino Londrina 170 80.0 Ensino Superior Completo NA NA 6.00
RP noturno 57 Feminino Pereira Barreto 162 80.0 Ensino Superior Completo NA NA 13.30
RP noturno 36 Feminino São Paulo 175 82.0 Ensino Superior Completo NA NA 3.00
RP noturno 21 Feminino Araçatuba 163 73.0 Ensino Superior Incompleto NA NA 9.00
RP noturno 43 Feminino Assis 160 68.0 Ensino Superior Incompleto NA NA 9.40
RP noturno 23 Feminino Londrina 168 95.0 Ensino Superior Incompleto NA NA 17.00
RP noturno 22 Masculino Londrina 177 76.0 Ensino Superior Incompleto NA NA 7.00
RP noturno 21 Masculino Londrina 177 75.0 Ensino Superior Incompleto NA NA 19.68
RP noturno 22 Feminino Londrina 173 70.0 Ensino Superior Incompleto NA NA 4.10
RP noturno 23 Feminino Londrina 155 58.0 Ensino Superior Incompleto NA NA 18.00
RP noturno 27 Masculino Londrina 179 67.0 Ensino Superior Incompleto NA NA 16.00
RP noturno 22 Masculino Londrina 170 70.0 Ensino Superior Incompleto NA NA 15.00
RP noturno 23 Feminino Maringá 165 55.0 Ensino Superior Incompleto NA NA 19.30
RP noturno 28 Masculino São Paulo 178 60.0 Ensino Superior Incompleto NA NA 19.68
RP noturno 20 Feminino São Paulo 171 69.0 Ensino Superior Incompleto NA NA 10.00
RP noturno 21 Feminino Londrina 160 50.0 Ensino Superior Incompleto Estagiária NA NA
RP noturno 20 Feminino Londrina 168 48.0 Ensino Superior Incompleto Auxiliar de faturamento NA NA
RP noturno 21 Feminino São Paulo 153 50.0 Ensino Superior Incompleto Gestora comercial NA NA
RP noturno 21 Feminino Curitiba 174 88.0 Ensino Superior Incompleto Assistente de RH NA NA
RP noturno 23 Feminino Londrina 157 65.0 Ensino Superior Incompleto Assistente de marketing NA NA
RP noturno 49 Feminino Rolândia 152 64.0 Ensino Fundamental Completo Auxiliar de Serviços Gerais NA NA
RP noturno 21 Feminino São Paulo 155 55.0 Ensino Superior Incompleto Estudante NA NA
RP noturno 22 Feminino Londrina 155 67.0 Ensino Superior Incompleto Auxiliar de Convênio empresarial NA NA
RP noturno 40 Feminino Londrina 167 58.0 Ensino Médio Completo Secretária NA NA
RP noturno 15 Feminino Londrina 170 55.0 Ensino Médio Incompleto Estudante NA NA
RP noturno 57 Feminino Feira de Santana 154 75.0 Ensino Fundamental Completo Balconista NA NA
RP noturno 20 Feminino Londrina 173 70.0 Ensino Superior Incompleto Estudante NA NA
RP noturno 40 Feminino Londrina 160 80.0 Ensino Superior Completo Autônoma NA NA
RP noturno 20 Feminino Ribeirão do Pinhal 153 60.0 Ensino Superior Incompleto Social Media NA NA
RP noturno 43 Feminino Jacarezinho 173 66.0 Ensino Superior Completo Consultora comercial NA NA
RP noturno 44 Masculino Londrina 180 90.0 Ensino Médio Completo Gerente NA NA
RP noturno 23 Masculino Presidente Prudente 168 64.0 Ensino Superior Incompleto Analista de Campanhas Digitais NA NA
RP noturno 17 Masculino Londrina 182 69.0 Ensino Médio Incompleto Estudante NA NA
RP noturno 47 Masculino Londrina 165 89.0 Ensino Médio Completo Controle de qualidade NA NA
RP noturno 48 Masculino Cambé 172 85.0 Ensino Médio Completo Motorista NA NA
RP noturno 9 Masculino Cambé 138 35.0 Ensino Fundamental Incompleto Estudante NA NA

Sexo e escolaridade

Row

Frequência de pessoas por sexo

Somando-se os dados oriundos das pessoas entrevistadas pelos alunos da Geografia matutino, geografia noturno, relações públicas matutino e relações públicas noturno, foi coletado 185 pessoas, sendo 105 do sexo Feminino e 80 do sexo masculino.

Frequência de pessoas por escolaridade

Do total de pessoas, 22 possuem Ensino Fundamental Completo, 15 possuem Ensino Fundamental Incompleto, 17 possuem Ensino Médio Completo, 10 possuem Ensino Médio Incompleto, 51 possuem Ensino Superior Completo, 48 possuem Ensino Superior Incompleto e 22 possuem Pós-Graduação.

Row

Frequência de pessoas por sexo

Frequência de pessoas por Escolaridade

Profissão

Row

Frequência de pessoas por profissão

Altura

Row

Geral

Média Desvio-padrão Variância CV(%)
168.01 9.72 94.5 5.79

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 162.89 7.16 51.24 4.40
Masculino 174.74 8.48 71.92 4.85

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 169.50 0.71 0.50 0.42
Agricultor 168.00 5.20 27.00 3.10
Analista de Artes Gráficas 175.00 NA NA NA
Analista de Campanhas Digitais 168.00 NA NA NA
Analista de sistema 165.00 7.07 50.00 4.28
Aposentado 165.20 7.39 54.62 4.47
Arquiteto 182.00 NA NA NA
Artesã 160.00 NA NA NA
Assessor/Foto jornalista 180.00 NA NA NA
Assistente de marketing 157.00 NA NA NA
Assistente de RH 174.00 NA NA NA
Assistente financeiro 169.00 NA NA NA
Atendente 168.67 11.93 142.33 7.07
Autônoma 161.00 8.54 73.00 5.30
Auxiliar administrativo 164.00 NA NA NA
Auxiliar de almoxarifado 190.00 NA NA NA
Auxiliar de Convênio empresarial 155.00 NA NA NA
Auxiliar de escritório 168.75 9.29 86.25 5.51
Auxiliar de faturamento 168.00 NA NA NA
Auxiliar de Serviços Gerais 152.00 NA NA NA
Auxiliar Serviços Gerais 155.00 NA NA NA
Balconista 154.00 NA NA NA
Bancária 161.00 NA NA NA
Barbeiro 178.33 3.51 12.33 1.97
Cabelereiro 160.00 NA NA NA
Carpinteiro 184.00 NA NA NA
Confeiteira 165.00 NA NA NA
Consultora comercial 173.00 NA NA NA
Contadora 160.00 NA NA NA
Controle de qualidade 165.00 NA NA NA
Coordenador de Departamento 185.00 NA NA NA
Coordenador de logística 171.00 8.49 72.00 4.96
Corretor imóveis 166.50 16.26 264.50 9.77
Desempregado 166.00 8.34 69.60 5.02
Desenvolvedor de soluções p/ desenvolvimentos 170.00 NA NA NA
Diarista 165.00 7.07 50.00 4.28
Do lar 160.00 NA NA NA
Empresário 172.33 6.89 47.47 4.00
Encarregado de obras 180.00 NA NA NA
Enfermeira 168.00 NA NA NA
Estagiária 165.60 4.62 21.30 2.79
Estudante 166.92 14.18 201.04 8.50
Fotografo 175.00 NA NA NA
Funcionário Publico 170.00 NA NA NA
Funcionário Público 173.50 15.78 249.00 9.10
Gerente 180.00 NA NA NA
Gestor de estoque 185.00 NA NA NA
Gestora comercial 153.00 NA NA NA
Inspetora de qualidade 160.00 NA NA NA
Jornalista 162.00 NA NA NA
Marinheiro Mercante 190.00 NA NA NA
Massoterapêuta 154.00 NA NA NA
Mestre de obra 167.00 NA NA NA
Motorista 169.00 3.61 13.00 2.14
Operador de caixa 162.00 NA NA NA
Operador de Caixa 154.00 NA NA NA
Operador de sistema 169.00 NA NA NA
Padeiro 171.00 1.41 2.00 0.82
Personal Trainer 168.00 NA NA NA
Pesquisador 165.00 NA NA NA
Professor 170.67 17.79 316.33 10.42
Professora 162.50 9.19 84.50 5.66
Psicologa 169.50 0.71 0.50 0.42
Recrutadora 173.00 NA NA NA
Representante Comercial 177.00 NA NA NA
Secretária 170.00 4.24 18.00 2.49
Serviços gerais 160.00 NA NA NA
Social Media 159.00 8.49 72.00 5.34
SOS 165.00 NA NA NA
Supervisor carga e descarga 163.00 NA NA NA
Tratador de equinos 175.00 NA NA NA
Vendedor 169.29 11.88 141.24 7.02

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 163.45 12.66 160.26 7.75
Ensino Fundamental Incompleto 163.13 9.01 81.27 5.52
Ensino Médio Completo 171.65 9.41 88.49 5.48
Ensino Médio Incompleto 172.40 8.25 68.04 4.79
Ensino Superior Completo 168.04 8.34 69.60 4.96
Ensino Superior Incompleto 168.27 9.13 83.35 5.43
Pós-Graduação 170.45 9.98 99.69 5.86

Idade

Row

Geral

Média Desvio-padrão Variância CV(%)
37.75 17.43 303.83 46.17

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 37.39 16.47 271.41 44.05
Masculino 38.23 18.71 349.95 48.94

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 37.50 17.68 312.50 47.15
Agricultor 60.33 21.13 446.33 35.02
Analista de Artes Gráficas 50.00 NA NA NA
Analista de Campanhas Digitais 23.00 NA NA NA
Analista de sistema 39.00 9.90 98.00 25.38
Aposentado 69.60 9.00 80.93 12.93
Arquiteto 53.00 NA NA NA
Artesã 53.00 NA NA NA
Assessor/Foto jornalista 24.00 NA NA NA
Assistente de marketing 23.00 NA NA NA
Assistente de RH 21.00 NA NA NA
Assistente financeiro 37.00 NA NA NA
Atendente 24.67 8.02 64.33 32.51
Autônoma 51.33 11.02 121.33 21.47
Auxiliar administrativo 46.00 NA NA NA
Auxiliar de almoxarifado 24.00 NA NA NA
Auxiliar de Convênio empresarial 22.00 NA NA NA
Auxiliar de escritório 27.75 12.18 148.25 43.89
Auxiliar de faturamento 20.00 NA NA NA
Auxiliar de Serviços Gerais 49.00 NA NA NA
Auxiliar Serviços Gerais 38.00 NA NA NA
Balconista 57.00 NA NA NA
Bancária 26.00 NA NA NA
Barbeiro 39.33 7.51 56.33 19.09
Cabelereiro 50.00 NA NA NA
Carpinteiro 42.00 NA NA NA
Confeiteira 56.00 NA NA NA
Consultora comercial 43.00 NA NA NA
Contadora 62.00 NA NA NA
Controle de qualidade 47.00 NA NA NA
Coordenador de Departamento 19.00 NA NA NA
Coordenador de logística 36.00 12.73 162.00 35.36
Corretor imóveis 40.00 11.31 128.00 28.27
Desempregado 30.67 13.46 181.07 43.89
Desenvolvedor de soluções p/ desenvolvimentos 29.00 NA NA NA
Diarista 53.50 3.54 12.50 6.62
Do lar 61.00 NA NA NA
Empresário 49.33 9.56 91.47 19.38
Encarregado de obras 30.00 NA NA NA
Enfermeira 55.00 NA NA NA
Estagiária 20.80 1.10 1.20 5.29
Estudante 18.29 3.69 13.61 20.17
Fotografo 22.00 NA NA NA
Funcionário Publico 36.00 NA NA NA
Funcionário Público 42.50 11.12 123.67 26.16
Gerente 44.00 NA NA NA
Gestor de estoque 23.00 NA NA NA
Gestora comercial 21.00 NA NA NA
Inspetora de qualidade 37.00 NA NA NA
Jornalista 26.00 NA NA NA
Marinheiro Mercante 29.00 NA NA NA
Massoterapêuta 54.00 NA NA NA
Mestre de obra 47.00 NA NA NA
Motorista 51.67 3.21 10.33 6.21
Operador de caixa 43.00 NA NA NA
Operador de Caixa 38.00 NA NA NA
Operador de sistema 25.00 NA NA NA
Padeiro 46.50 28.99 840.50 62.34
Personal Trainer 33.00 NA NA NA
Pesquisador 25.00 NA NA NA
Professor 44.67 11.93 142.33 26.71
Professora 39.50 16.26 264.50 41.16
Psicologa 42.00 21.21 450.00 50.50
Recrutadora 22.00 NA NA NA
Representante Comercial 50.00 NA NA NA
Secretária 38.00 2.83 8.00 7.45
Serviços gerais 54.00 NA NA NA
Social Media 20.50 0.71 0.50 3.46
SOS 53.00 NA NA NA
Supervisor carga e descarga 29.00 NA NA NA
Tratador de equinos 19.00 NA NA NA
Vendedor 43.00 17.03 290.00 39.60

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 46.09 20.13 405.23 43.68
Ensino Fundamental Incompleto 53.13 20.40 415.98 38.40
Ensino Médio Completo 40.71 11.88 141.22 29.18
Ensino Médio Incompleto 41.70 27.51 756.90 65.97
Ensino Superior Completo 39.06 15.21 231.42 38.94
Ensino Superior Incompleto 24.19 7.81 60.92 32.29
Pós-Graduação 41.41 12.85 165.21 31.03

Peso

Row

Geral

Média Desvio-padrão Variância CV(%)
73.47 14.3 204.43 19.46

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 67.89 12.23 149.49 18.01
Masculino 80.79 13.55 183.61 16.77

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 64.00 8.49 72.00 13.27
Agricultor 94.33 12.10 146.33 12.83
Analista de Artes Gráficas 80.00 NA NA NA
Analista de Campanhas Digitais 64.00 NA NA NA
Analista de sistema 83.00 21.21 450.00 25.55
Aposentado 78.60 10.54 111.16 13.41
Arquiteto 90.00 NA NA NA
Artesã 66.00 NA NA NA
Assessor/Foto jornalista 88.00 NA NA NA
Assistente de marketing 65.00 NA NA NA
Assistente de RH 88.00 NA NA NA
Assistente financeiro 53.00 NA NA NA
Atendente 73.00 15.72 247.00 21.53
Autônoma 81.67 4.73 22.33 5.79
Auxiliar administrativo 67.00 NA NA NA
Auxiliar de almoxarifado 64.00 NA NA NA
Auxiliar de Convênio empresarial 67.00 NA NA NA
Auxiliar de escritório 73.50 16.05 257.67 21.84
Auxiliar de faturamento 48.00 NA NA NA
Auxiliar de Serviços Gerais 64.00 NA NA NA
Auxiliar Serviços Gerais 56.00 NA NA NA
Balconista 75.00 NA NA NA
Bancária 58.00 NA NA NA
Barbeiro 89.00 6.56 43.00 7.37
Cabelereiro 61.00 NA NA NA
Carpinteiro 89.00 NA NA NA
Confeiteira 68.00 NA NA NA
Consultora comercial 66.00 NA NA NA
Contadora 60.00 NA NA NA
Controle de qualidade 89.00 NA NA NA
Coordenador de Departamento 68.00 NA NA NA
Coordenador de logística 87.00 5.66 32.00 6.51
Corretor imóveis 72.50 3.54 12.50 4.88
Desempregado 63.50 11.47 131.50 18.06
Desenvolvedor de soluções p/ desenvolvimentos 89.00 NA NA NA
Diarista 87.50 24.75 612.50 28.29
Do lar 60.00 NA NA NA
Empresário 92.08 10.49 110.04 11.39
Encarregado de obras 70.00 NA NA NA
Enfermeira 56.00 NA NA NA
Estagiária 66.30 17.65 311.45 26.62
Estudante 66.78 18.13 328.52 27.15
Fotografo 60.00 NA NA NA
Funcionário Publico 110.00 NA NA NA
Funcionário Público 83.25 16.24 263.58 19.51
Gerente 90.00 NA NA NA
Gestor de estoque 65.00 NA NA NA
Gestora comercial 50.00 NA NA NA
Inspetora de qualidade 68.00 NA NA NA
Jornalista 63.00 NA NA NA
Marinheiro Mercante 95.00 NA NA NA
Massoterapêuta 47.00 NA NA NA
Mestre de obra 68.00 NA NA NA
Motorista 76.67 9.07 82.33 11.83
Operador de caixa 65.00 NA NA NA
Operador de Caixa 55.00 NA NA NA
Operador de sistema 84.00 NA NA NA
Padeiro 82.00 2.83 8.00 3.45
Personal Trainer 74.00 NA NA NA
Pesquisador 63.00 NA NA NA
Professor 72.67 10.79 116.33 14.85
Professora 72.00 11.31 128.00 15.71
Psicologa 75.00 8.49 72.00 11.32
Recrutadora 67.00 NA NA NA
Representante Comercial 95.00 NA NA NA
Secretária 61.50 4.95 24.50 8.05
Serviços gerais 95.00 NA NA NA
Social Media 64.00 5.66 32.00 8.84
SOS 69.00 NA NA NA
Supervisor carga e descarga 64.00 NA NA NA
Tratador de equinos 75.00 NA NA NA
Vendedor 73.57 9.38 87.95 12.75

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 69.91 14.98 224.28 21.43
Ensino Fundamental Incompleto 73.93 13.56 183.92 18.34
Ensino Médio Completo 80.47 16.81 282.64 20.89
Ensino Médio Incompleto 74.10 8.67 75.21 11.70
Ensino Superior Completo 73.61 13.74 188.72 18.67
Ensino Superior Incompleto 69.35 13.30 176.96 19.18
Pós-Graduação 79.66 14.80 219.13 18.58

Renda Mensal

Row

Geral

Média Desvio-padrão Variância CV(%)
3898.96 4294.64 18443931 110.15

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 3310.89 4106.54 16863661 124.03
Masculino 4497.72 4435.23 19671230 98.61

Row

Por profissão

Média Desvio-padrão Variância CV(%)
Advogada 5269.50 2447.30 5989260.50 46.44
Agricultor 1561.00 0.00 0.00 0.00
Analista de Artes Gráficas 4000.00 NA NA NA
Analista de Campanhas Digitais NaN NA NA NA
Analista de sistema 7058.00 2746.40 7542728.00 38.91
Aposentado 5363.54 7181.22 51569886.89 133.89
Arquiteto 10000.00 NA NA NA
Artesã 1295.00 NA NA NA
Assessor/Foto jornalista 4589.00 NA NA NA
Assistente de marketing NaN NA NA NA
Assistente de RH NaN NA NA NA
Assistente financeiro 1926.00 NA NA NA
Atendente 2330.67 1445.69 2090021.33 62.03
Autônoma 1850.00 1626.35 2645000.00 87.91
Auxiliar administrativo 2100.00 NA NA NA
Auxiliar de almoxarifado 1424.00 NA NA NA
Auxiliar de Convênio empresarial NaN NA NA NA
Auxiliar de escritório 1436.25 0.00 0.00 0.00
Auxiliar de faturamento NaN NA NA NA
Auxiliar de Serviços Gerais NaN NA NA NA
Auxiliar Serviços Gerais 1600.00 NA NA NA
Balconista NaN NA NA NA
Bancária 3000.00 NA NA NA
Barbeiro 5530.00 4229.98 17892700.00 76.49
Cabelereiro 8000.00 NA NA NA
Carpinteiro 12000.00 NA NA NA
Confeiteira 2500.00 NA NA NA
Consultora comercial NaN NA NA NA
Contadora 4000.00 NA NA NA
Controle de qualidade NaN NA NA NA
Coordenador de Departamento 2200.00 NA NA NA
Coordenador de logística 4916.00 0.00 0.00 0.00
Corretor imóveis 4100.00 565.69 320000.00 13.80
Desempregado 1775.00 1732.41 3001250.00 97.60
Desenvolvedor de soluções p/ desenvolvimentos 5925.91 NA NA NA
Diarista 1169.00 0.00 0.00 0.00
Do lar 600.00 NA NA NA
Empresário 9769.67 8034.23 64548880.67 82.24
Encarregado de obras 2758.00 NA NA NA
Enfermeira 2000.00 NA NA NA
Estagiária 925.00 217.94 47500.00 23.56
Estudante 866.67 986.58 973333.33 113.84
Fotografo 1800.00 NA NA NA
Funcionário Publico 8000.00 NA NA NA
Funcionário Público 3307.00 2796.40 7819865.33 84.56
Gerente NaN NA NA NA
Gestor de estoque 1993.00 NA NA NA
Gestora comercial NaN NA NA NA
Inspetora de qualidade 2500.00 NA NA NA
Jornalista 2000.00 NA NA NA
Marinheiro Mercante 15000.00 NA NA NA
Massoterapêuta 4000.00 NA NA NA
Mestre de obra 4548.00 NA NA NA
Motorista 1932.50 95.46 9112.50 4.94
Operador de caixa 1513.00 NA NA NA
Operador de Caixa 15000.00 NA NA NA
Operador de sistema 700.00 NA NA NA
Padeiro 1603.27 136.80 18713.39 8.53
Personal Trainer 1000.00 NA NA NA
Pesquisador 3266.00 NA NA NA
Professor 8166.67 6331.14 40083333.33 77.52
Professora 2500.00 0.00 0.00 0.00
Psicologa 2660.00 0.00 0.00 0.00
Recrutadora 2000.00 NA NA NA
Representante Comercial 4000.00 NA NA NA
Secretária 2500.00 NA NA NA
Serviços gerais 1255.00 NA NA NA
Social Media 1800.00 NA NA NA
SOS 1500.00 NA NA NA
Supervisor carga e descarga 2200.00 NA NA NA
Tratador de equinos 1405.40 NA NA NA
Vendedor 3561.14 3748.99 14054935.81 105.27

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 5680.00 5193.15 26968857.1 91.43
Ensino Fundamental Incompleto 1585.49 357.03 127472.6 22.52
Ensino Médio Completo 1656.42 460.14 211729.6 27.78
Ensino Médio Incompleto 1578.47 NA NA NA
Ensino Superior Completo 4034.16 4679.56 21898290.0 116.00
Ensino Superior Incompleto 2774.98 3587.31 12868771.3 129.27
Pós-Graduação 5393.81 4536.80 20582539.9 84.11

Consumo de água

Row

Geral

Média Desvio-padrão Variância CV(%)
13.65 5.32 28.3 38.97

Por sexo

Média Desvio-padrão Variância CV(%)
Feminino 12.88 5.57 30.99 43.25
Masculino 14.84 4.88 23.85 32.88

Row

Por profissão

Nota: Os alunos que coletaram dados de consumo de água não coletaram a informação de profissão.

Média Desvio-padrão Variância CV(%)
Advogada NaN NA NA NA
Agricultor NaN NA NA NA
Analista de Artes Gráficas NaN NA NA NA
Analista de Campanhas Digitais NaN NA NA NA
Analista de sistema NaN NA NA NA
Aposentado NaN NA NA NA
Arquiteto NaN NA NA NA
Artesã NaN NA NA NA
Assessor/Foto jornalista NaN NA NA NA
Assistente de marketing NaN NA NA NA
Assistente de RH NaN NA NA NA
Assistente financeiro NaN NA NA NA
Atendente NaN NA NA NA
Autônoma NaN NA NA NA
Auxiliar administrativo NaN NA NA NA
Auxiliar de almoxarifado NaN NA NA NA
Auxiliar de Convênio empresarial NaN NA NA NA
Auxiliar de escritório NaN NA NA NA
Auxiliar de faturamento NaN NA NA NA
Auxiliar de Serviços Gerais NaN NA NA NA
Auxiliar Serviços Gerais NaN NA NA NA
Balconista NaN NA NA NA
Bancária NaN NA NA NA
Barbeiro NaN NA NA NA
Cabelereiro NaN NA NA NA
Carpinteiro NaN NA NA NA
Confeiteira NaN NA NA NA
Consultora comercial NaN NA NA NA
Contadora NaN NA NA NA
Controle de qualidade NaN NA NA NA
Coordenador de Departamento NaN NA NA NA
Coordenador de logística NaN NA NA NA
Corretor imóveis NaN NA NA NA
Desempregado NaN NA NA NA
Desenvolvedor de soluções p/ desenvolvimentos NaN NA NA NA
Diarista NaN NA NA NA
Do lar NaN NA NA NA
Empresário NaN NA NA NA
Encarregado de obras NaN NA NA NA
Enfermeira NaN NA NA NA
Estagiária NaN NA NA NA
Estudante NaN NA NA NA
Fotografo NaN NA NA NA
Funcionário Publico NaN NA NA NA
Funcionário Público NaN NA NA NA
Gerente NaN NA NA NA
Gestor de estoque NaN NA NA NA
Gestora comercial NaN NA NA NA
Inspetora de qualidade NaN NA NA NA
Jornalista NaN NA NA NA
Marinheiro Mercante NaN NA NA NA
Massoterapêuta NaN NA NA NA
Mestre de obra NaN NA NA NA
Motorista NaN NA NA NA
Operador de caixa NaN NA NA NA
Operador de Caixa NaN NA NA NA
Operador de sistema NaN NA NA NA
Padeiro NaN NA NA NA
Personal Trainer NaN NA NA NA
Pesquisador NaN NA NA NA
Professor NaN NA NA NA
Professora NaN NA NA NA
Psicologa NaN NA NA NA
Recrutadora NaN NA NA NA
Representante Comercial NaN NA NA NA
Secretária NaN NA NA NA
Serviços gerais NaN NA NA NA
Social Media NaN NA NA NA
SOS NaN NA NA NA
Supervisor carga e descarga NaN NA NA NA
Tratador de equinos NaN NA NA NA
Vendedor NaN NA NA NA

Nível de escolaridade

Média Desvio-padrão Variância CV(%)
Ensino Fundamental Completo 17.00 NA NA NA
Ensino Fundamental Incompleto 18.66 1.79 3.19 9.59
Ensino Médio Completo 16.20 3.00 9.03 18.52
Ensino Médio Incompleto 14.43 3.85 14.85 26.68
Ensino Superior Completo 8.50 5.04 25.40 59.29
Ensino Superior Incompleto 13.68 5.48 30.05 40.06
Pós-Graduação NaN NA NA NA

Altura

Row

Geral

Por Sexo

Peso

Row

Geral

Por Sexo

Idade

Row

Geral

Por Sexo

Renda

Row

Geral

Por Sexo

Gráfico de dispersão

Row

Idade x Altura

Idade x Peso

Idade x Renda

Row

Altura x Peso

Altura x Peso

Peso x Renda

Interpretação

Row

Interpretação

  • Foi observado correlação negativa entre as variáveis Idade e Altura (\(r = -0.1095164\))
  • Foi observado correlação positiva entre as variáveis Idade e Peso (\(r = 0.2521832\))
  • Foi observado correlação positiva entre as variáveis Idade e Renda (\(r = 0.2354791\))
  • Foi observado correlação positiva entre as variáveis Altura e Peso (\(r = 0.4736316\))
  • Foi observado correlação positiva entre as variáveis Altura e Renda (\(r = 0.0590211\))
  • Foi observado correlação positiva entre as variáveis Peso e Renda (\(r = 0.1150133\))

Teste

Row

Altura

\[H_{0}: Altura\ média\ sexo\ masculino = Altura\ média\ do\ sexo\ feminino\] \[H_{1}: Altura\ média\ sexo\ masculino \neq Altura\ média\ do\ sexo\ feminino\]

Como o p-valor calculado (\(1.2934247\times 10^{-18}\)) é menor que o nível de significância adotado (\(\alpha = 0.05\)), rejeita-se \(H_0\). Logo, as médias de altura entre os sexos são diferentes.

Peso

\[H_{0}: Peso\ média\ sexo\ masculino = Peso\ média\ do\ sexo\ feminino\] \[H_{1}: Peso\ média\ sexo\ masculino \neq Peso\ média\ do\ sexo\ feminino\]

Como o p-valor calculado (\(3.480534\times 10^{-10}\)) é menor que o nível de significância adotado (\(\alpha = 0.05\)), rejeita-se \(H_0\). Logo, as médias de peso entre os sexos são diferentes.

---
title: "Estatística"
author: ""
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
library(ggplot2)
library(plotly)
library(plyr)
library(flexdashboard)
setwd("C:/Users/Usuario/OneDrive - uel.br/AULA_ESTATÍSTICA")
dados=readxl::read_excel("dados_pesquisa.xlsx")
```

Home
=======================================================================

Row
-----------------------------------------------------------------------

### Introdução

Os dados dessa painel de controle foram oriundos de pesquisas realizadas pelos alunos de Relações Públicas do período Matutino e Noturno e dos alunos de Geografia Matutino e Noturno. Ao todo, 185 pessoas foram entrevistas em relação à idade, sexo, nível de escolaridade, peso, altura, profissão e algumas outras variáveis, como renda fixa mensal e consumo de água.


### 

![](https://www.questionpro.com/blog/wp-content/uploads/2018/03/Amostragem-min.jpg)

Row
-----------------------------------------------------------------------

### Contribuição

```{r}
contrib=data.frame(table(dados$Curso))
graph=ggplot(contrib,aes(y=Freq,x=Var1,fill=Var1))+geom_col()+
  labs(x="Curso",y="Frequência absoluta",fill="Curso")
ggplotly(graph)
```

### Contato

Prof. Msc. Gabriel Danilo Shimizu

e-mail: shimizu@uel.br

Departamento de estatística, Centro de Ciências Exatas

Conjunto de dados
=======================================================================

### Conjunto de dados coletados pelos alunos de Geografia e Relações Públicas

```{r}
library(knitr)
kable(dados)
```

Sexo e escolaridade {data-navmenu="Variáveis qualitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Frequência de pessoas por sexo

```{r}
sexo=data.frame(table(dados$Sexo))
```

Somando-se os dados oriundos das pessoas entrevistadas pelos alunos da Geografia matutino, geografia noturno, relações públicas matutino e relações públicas noturno, foi coletado `r length(dados$Sexo)` pessoas, sendo `r sexo$Freq[1]` do sexo Feminino e `r sexo$Freq[2]` do sexo masculino.

### Frequência de pessoas por escolaridade

```{r}
escol=data.frame(table(dados$`Nível de Escolaridade`))
```

Do total de pessoas, `r escol$Freq[1]` possuem `r escol$Var1[1]`, `r escol$Freq[2]` possuem `r escol$Var1[2]`, `r escol$Freq[3]` possuem `r escol$Var1[3]`, `r escol$Freq[4]` possuem `r escol$Var1[4]`, `r escol$Freq[5]` possuem `r escol$Var1[5]`, `r escol$Freq[6]` possuem `r escol$Var1[6]` e `r escol$Freq[7]` possuem `r escol$Var1[7]`.

Row
-----------------------------------------------------------------------

### Frequência de pessoas por sexo

```{r}
graph=ggplot(sexo,aes(y=Freq,x=Var1,fill=Var1))+geom_col()+
  labs(x="Sexo",y="Frequência absoluta",fill="Sexo")
ggplotly(graph)
```

### Frequência de pessoas por Escolaridade

```{r}
graph=ggplot(escol,aes(y=Freq,x=Var1,fill=Var1))+geom_col()+
  theme(axis.text.x = element_blank())+labs(x="",y="Frequência absoluta",fill="Escolaridade")
ggplotly(graph)
```


Profissão {data-navmenu="Variáveis qualitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Frequência de pessoas por profissão

```{r}
prof=data.frame(table(dados$Emprego))
graph=ggplot(prof,aes(x=Freq,y=Var1,fill=Var1))+geom_col()+
  labs(y="Profissão",x="Frequência absoluta",fill="Sexo")
ggplotly(graph)
```

Altura {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Altura,na.rm=TRUE),2)
desvio=round(sd(dados$Altura,na.rm=TRUE),2)
vari=round(var(dados$Altura,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$Altura,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Altura,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Altura,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Altura,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Altura,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Altura,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Altura,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Altura,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Altura,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Idade {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Idade,na.rm=TRUE),2)
desvio=round(sd(dados$Idade,na.rm=TRUE),2)
vari=round(var(dados$Idade,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$Idade,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Idade,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Idade,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Idade,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Idade,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Idade,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Idade,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Idade,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Idade,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Peso {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Peso,na.rm=TRUE),2)
desvio=round(sd(dados$Peso,na.rm=TRUE),2)
vari=round(var(dados$Peso,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$Peso,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Peso,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Peso,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Peso,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Peso,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Peso,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Peso,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Peso,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Peso,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Renda Mensal {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$Renda,na.rm=TRUE),2)
desvio=round(sd(dados$Renda,na.rm=TRUE),2)
vari=round(var(dados$Renda,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$Renda,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Renda,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Renda,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Row
-----------------------------------------------------------------------

### Por profissão

```{r}
media=round(tapply(dados$Renda,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Renda,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Renda,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$Renda,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$Renda,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$Renda,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

Consumo de água {data-navmenu="Variáveis quantitativas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
media=round(mean(dados$`Consumo de agua`,na.rm=TRUE),2)
desvio=round(sd(dados$`Consumo de agua`,na.rm=TRUE),2)
vari=round(var(dados$`Consumo de agua`,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
### Por sexo

```{r}
media=round(tapply(dados$`Consumo de agua`,dados$Sexo,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$`Consumo de agua`,dados$Sexo,sd,na.rm=TRUE),2)
vari=round(tapply(dados$`Consumo de agua`,dados$Sexo,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```
Row
-----------------------------------------------------------------------

### Por profissão

Nota: Os alunos que coletaram dados de consumo de água não coletaram a informação de profissão.

```{r}
media=round(tapply(dados$`Consumo de agua`,dados$Emprego,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$`Consumo de agua`,dados$Emprego,sd,na.rm=TRUE),2)
vari=round(tapply(dados$`Consumo de agua`,dados$Emprego,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```

### Nível de escolaridade

```{r}
media=round(tapply(dados$`Consumo de agua`,dados$`Nível de Escolaridade`,mean,na.rm=TRUE),2)
desvio=round(tapply(dados$`Consumo de agua`,dados$`Nível de Escolaridade`,sd,na.rm=TRUE),2)
vari=round(tapply(dados$`Consumo de agua`,dados$`Nível de Escolaridade`,var,na.rm=TRUE),2)
cv=round(desvio/media*100,2)
desc=data.frame("Media"=media,"Desvio padrao"=desvio,"Variancia"=vari,"CV"=cv)
colnames(desc)=c("Média","Desvio-padrão", "Variância", "CV(%)")
kable(desc)
```


Altura {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Altura,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Altura (cm)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Altura,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Altura (cm)")
ggplotly(graph)
```

Peso {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Peso,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Peso (kg)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Peso,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Peso (Kg)")
ggplotly(graph)
```

Idade {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Idade,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Idade (anos)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Idade,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Idade (anos)")
ggplotly(graph)
```

Renda {data-navmenu="Gráfico de caixas"}
=======================================================================

Row
-----------------------------------------------------------------------

### Geral

```{r}
graph=ggplot(dados,aes(y=Renda,x=""))+
  geom_boxplot(fill="lightgreen")+labs(x="",y="Renda (R$/mês)")
ggplotly(graph)
```

### Por Sexo

```{r}
graph=ggplot(dados,aes(y=Renda,x=Sexo,fill=Sexo))+
  geom_boxplot()+labs(y="Renda (R$/mês)")
ggplotly(graph)
```

Gráfico de dispersão {data-navmenu="Correlação"}
=======================================================================

Row
-----------------------------------------------------------------------

### Idade x Altura

```{r}
library(AgroR)
graph1=plot_cor(dados$Idade,dados$Altura,ic = FALSE,xlab = "Idade (anos)",ylab="Altura (cm)")
ggplotly(graph1)
```

### Idade x Peso

```{r}
graph2=plot_cor(dados$Idade,dados$Peso,ic = FALSE,xlab = "Idade (anos)",ylab="Peso (kg)")
ggplotly(graph2)
```

### Idade x Renda

```{r}
graph3=plot_cor(dados$Idade[!is.na(dados$Renda)],dados$Renda[!is.na(dados$Renda)],ic = FALSE,xlab = "Idade (anos)",ylab="Renda (R$/mês)")
ggplotly(graph3)
```


Row
-----------------------------------------------------------------------

### Altura x Peso

```{r}
graph4=plot_cor(dados$Altura,dados$Peso,ic = FALSE,xlab="Altura (cm)",ylab="Peso (kg)")
ggplotly(graph4)
```

### Altura x Peso

```{r}
graph5=plot_cor(dados$Altura[!is.na(dados$Renda)],dados$Renda[!is.na(dados$Renda)],ic = FALSE,xlab="Altura (cm)",ylab="Renda (R$/mês)")
ggplotly(graph5)
```

### Peso x Renda

```{r}
graph6=plot_cor(dados$Peso[!is.na(dados$Renda)],dados$Renda[!is.na(dados$Renda)],ic = FALSE,xlab="Peso (kg)",ylab="Renda (R$/mês)")
ggplotly(graph6)
```

Interpretação {data-navmenu="Correlação"}
=======================================================================

Row
-----------------------------------------------------------------------

### Interpretação

 - Foi observado correlação negativa entre as variáveis Idade e Altura ($r = `r graph1$plot$corre`$)
  - Foi observado correlação positiva entre as variáveis Idade e Peso ($r = `r graph2$plot$corre`$)
 - Foi observado correlação positiva entre as variáveis Idade e Renda ($r = `r graph3$plot$corre`$)
  - Foi observado correlação positiva entre as variáveis Altura e Peso ($r = `r graph4$plot$corre`$)
 - Foi observado correlação positiva entre as variáveis Altura e Renda ($r = `r graph5$plot$corre`$)
  - Foi observado correlação positiva entre as variáveis Peso e Renda ($r = `r graph6$plot$corre`$)


Teste {data-navmenu="Comparações"}
=======================================================================

Row
-----------------------------------------------------------------------

### Altura

$$H_{0}: Altura\ média\ sexo\ masculino = Altura\ média\ do\ sexo\ feminino$$
$$H_{1}: Altura\ média\ sexo\ masculino \neq Altura\ média\ do\ sexo\ feminino$$
```{r}
teste=t.test(dados$Altura~dados$Sexo)
```

Como o p-valor calculado ($`r teste$p.value`$) é menor que o nível de significância adotado ($\alpha = 0.05$), rejeita-se $H_0$. Logo, as médias de altura entre os sexos são diferentes.

### Peso

$$H_{0}: Peso\ média\ sexo\ masculino = Peso\ média\ do\ sexo\ feminino$$
$$H_{1}: Peso\ média\ sexo\ masculino \neq Peso\ média\ do\ sexo\ feminino$$

```{r}
teste=t.test(dados$Peso~dados$Sexo)
```

Como o p-valor calculado ($`r teste$p.value`$) é menor que o nível de significância adotado ($\alpha = 0.05$), rejeita-se $H_0$. Logo, as médias de peso entre os sexos são diferentes.